MATLAB模糊C均值聚类分析：FCM命令解析

对图像加入高斯白噪声，参考以下函数:
AWGN:在某一信号中加入高斯白噪声
y = awgn(x,SNR) 在信号x中加入高斯白噪声。信噪比SNR以dB为单位。x的强度假定为0dBW。如果x是复数，就加入复噪声。
y = awgn(x,SNR,SIGPOWER) 如果SIGPOWER是数值，则其代表以dBW为单位的信号强度;如果SIGPOWER为'measured'，则函数将在加入噪声之前测定信号强度。
y = awgn(x,SNR,SIGPOWER,STATE) 重置RANDN的状态。
y = awgn(…,POWERTYPE) 指定SNR和SIGPOWER的单位。POWERTYPE可以是'dB'或'linear'。如果POWERTYPE是'dB'，那么SNR以dB为单位，而SIGPOWER以dBW为单位。如果POWERTYPE是'linear'，那么SNR作为比值来度量，而SIGPOWER以瓦特为单位。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%自编的均值滤波函数。x是需要滤波的图像,n是模板大小(即n×n)
function d=avefilt(x,n) 
a(1:n,1:n)=1; %a即n×n模板,元素全是1
p=size(x); %输入图像是p×q的,且p>n,q>n
x1=double(x);
x2=x1;
%A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素
for i=1:p(1)-n+1
 for j=1:p(2)-n+1
 c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘
 s=sum(sum(c)); %求c矩阵(即模板)中各元素之和
 x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将模板各元素的均值赋给模板中心位置的元素
 end
end
%未被赋值的元素取原值
d=uint8(x2);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
HCM是硬C均值算法，FCM为模糊C均值算法，由HCM发展而来。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function [center, U, obj_fcn] = FCMClust(data, cluster_n, options) 
% FCMClust.m 采用模糊C均值对数据集data聚为cluster_n类 
% 

% 用法: 
% 1. [center,U,obj_fcn] = FCMClust(Data,N_cluster,options); 
% 2. [center,U,obj_fcn] = FCMClust(Data,N_cluster); 
% 
% 输入: 
% data ---- nxm矩阵,表示n个样本,每个样本具有m的维特征值 
% N_cluster ---- 标量,表示聚合中心数目,即类别数 
% options ---- 4x1矩阵，其中 
% options(1): 隶属度矩阵U的指数，>1 (缺省值: 2.0) 
% options(2): 最大迭代次数 (缺省值: 100) 
% options(3): 隶属度最小变化量,迭代终止条件 (缺省值: 1e-5) 
% options(4): 每次迭代是否输出信息标志 (缺省值: 1) 
% 输出: 
% center ---- 聚类中心 
% U ---- 隶属度矩阵 
% obj_fcn ---- 目标函数值 
% Example: 
% data = rand(100,2); 
% [center,U,obj_fcn] = FCMClust(data,2); 
% plot(data(:,1), data(:,2),'o'); 
% hold on; 
% maxU = max(U); 
% index1 = find(U(1,:) == maxU); 
% index2 = find(U(2,:) == maxU); 
% line(data(index1,1),data(index1,2),'marker','*','color','g'); 
% line(data(index2,1),data(index2,2),'marker','*','color','r'); 
% plot([center([1 2],1)],[center([1 2],2)],'*','color','k') 
% hold off; 

if nargin ~= 2 & nargin ~= 3, %判断输入参数个数只能是2个或3个